基于遗传算法的SOFDM信道资源动态分配策略

对卫星正交频分复用(Satellite Orthogonal Frequency Division Multiplexing,SOFDM)传输体制进行信道资源分配时,采用传统定界分类法存在效率较低,功率资源浪费较大等问题。文中提出一种改进的信道资源动态分配新策略,引入生物遗传算法,对信道传输特性进行适应性评估,按照"优胜劣汰,适者生存"的进化原则对信道子载波频率和功率资源进行有效分配。仿真分析结果表明,新策略获得了优于传统定界分类法的效果,在算法运行时间与传统方法基本相当的情况下,采用生物遗传算法的SOFDM系统能够更加合理地分配系统频率资源,使系统功率资源产生约1dB的增益,并有效降低系统误包率。     

失谐叶盘结构的概率响应局部化特性

基于某典型叶盘结构的减缩有限元模型和Monte Carlo-响应面法数值计算,详细分析了几何参数失谐叶盘结构的概率响应局部化特性.给出了几何失谐叶盘结构的有限元建模及减缩方法,并通过定义响应放大因子对受迫响应的局部化程度进行定量描述,分别计算了不同形式的随机失谐和主动错频叶盘结构的概率局部化特性,讨论了失谐形式和失谐参数的影响规律等.研究表明,随着失谐程度的增加,失谐系统的响应水平及其分散程度都会有一个峰值存在.      

网格之间流场信息传递的高精度方法和验证

理论分析了插值方法引入误差的原因,提出一种利用时间推进方法和移动网格技术实现网格之间流场信息传递的思想,并构造计算方法。在介绍新的信息传递算法原理的基础上,根据三维情况下传递过程需要满足的时间推进步长稳定性条件,推导出最小推进步数的要求。最后,通过对激波诱导物体运动的非定常流动模拟,比较了信息传递算法和线性插值、加权最小二乘插值方法,计算结果表明,与插值方法相比,信息传递过程没有引入误差,能有效抑制非物理振荡,保持流场计算精度。     

某探测器上火箭发动机热防护仿真与设计

根据某探测器的具体结构及工作条件,分析和计算探测器上火箭发动机的热环境参数.利用有限元法计算火箭发动机固壁辐射热流密度,依据热流边界条件设计热防护方案;利用有效发射率表征多层隔热材料隔热性能并进行温度场数值仿真.由于多层隔热材料性能参数的不易确定性,计算了参数在较大范围内的热防护效果.通过仿真计算验证热防护方案的有效性和可靠性,并分析影响热防护效果的主要因素;计算结果表明多层隔热材料的有效发射率是影响隔热性能最重要的因素,比热容、表面发射率、密度对热防护性能影响很小.      

一种基于子空间的OFDM系统半盲信道估计

提出了一种可用于色噪声背景的基于子空间的改进半盲信道估计算法。根据正交频分复用（OFDM）系统模型,利用所获色噪声背景的噪声向量与信道冲激响应矩阵的正交性估计信道冲激响应,给出了算法的步骤。仿真结果表明：算法有较好的收敛性和稳定性。     

高分辨率多径时延测量算法

提出一种基于最小二乘准则的高分辨率多径信号时延测量方法。对参考信号作三阶样条插值获得每条多径信号最小二乘意义的最优估计,用每条多径信号的测量值重构接收信号,通过反复迭代使重构信号是接收信号最小二乘意义的最优估计,实现多径信号的时延测量。仿真结果表明：新算法在低信噪比、窄带信号条件下仍能获得较高的时延测量精度,性能优于MUSIC类时差测量算法。     

基于单边带OOFDM的TDM/WDM-PON

文章首次提出了基于单边带光正交频分复用（OOFDM）的TDM/WDM-PON方案并建立了一个通道的系统模型。下行采用80Gbit/s的单边带OFDM信号,节约WDM通道带宽资源,减小色散的影响,OLT调整各ONU的子载波个数即可实现动态带宽分配。上行采用20Gbit/s的NRZ信号。利用半导体光放大器（SOA）的增益饱和特性实现了ONU的无色管理。对系统模型进行了仿真,并对结果进行了分析。     

科技成果

国内首款多系统多频率卫星导航SoC芯片研制成功 和芯星通科技（北京）有限公司于2010年9月25日正式发布,国际首款、国内首创的拥有完全自主知识产权的多系统多频率卫星导航高性能SoC芯片——和芯星通Nebulas芯片研制成功。     

星载降水测量雷达重频设计分析

文章讨论了星载降水测量雷达（SPR）重频设计要求和约束条件,并以GPMKuPR系统参数为例,研究了SPR重频设计的约束条件,提出和分析了几种重频设计方案。仿真结果表明一种自适应重频技术完全满足系统要求,并能获得最多脉冲积累数。     

多输入傅里叶神经网络及其麻雀搜索优化

鉴于反向传播（BP）神经网络存在灵敏度高但收敛速度慢,以及已有傅里叶神经网络不具备多输入数据特征提取能力,借助多个傅里叶神经网络构建能接收多维数据的堆叠神经网络,进而将其与多层感知器融合,获得基于梯度下降的多输入傅里叶神经网络。结合此神经网络获取全局最优参数值难的因素,通过在麻雀搜索算法中引入Cat混沌映射、动态种群规模调节机制及参数自适应调节方案,提出改进型麻雀搜索算法,并将其应用于多输入傅里叶神经网络的参数优化及高维函数优化问题的求解。理论分析可得,所提算法的计算复杂度主要由种群规模和优化问题的维度决定。比较性的数值实验表明,所获神经网络提取多源数据特征的能力和泛化能力强,同时所提算法处理高维优化问题具有明显优势且收敛速度快。